Facoltà di Economia

OBIETTIVI FORMATIVI:
Il corso si propone di fornire le competenze informatiche metodologiche (con l'utilizzo di applicativi e linguaggi di programmazione quali Excel, VBA, python ecc.) per l'analisi di dati su larga scala provenienti da una molteplicità di fonti, quali banche dati economiche, eventi storici, testi, social media, sensori, immagini o discorsi allo scopo di prendere decisioni in una serie di contesti, tra cui politiche economiche, amministrazione aziendale, pubblica amministrazione, sanità, istruzione, diritto, occupazione, trasporti e previsioni economiche. Gli studenti saranno in grado di
1) elaborare e pulire grandi database grezzi (rilevamento e correzione di errori di battitura, voci mancanti, interpolazione, dati errati e così via);
1) comprendere la struttura di una banca dati elaborata, le sue principali caratteristiche e per quali finalità può essere utilizzata;
2) effettuare rigorose inferenze statistiche su grandi database elaborati tramite algoritmi informatici;
3) produrre scenari previsionali per le variabili di interesse desunti dal database in analisi;
4) valutare gli impatti, sul sistema in esame, nel breve e nel lungo periodo di politiche standardizzate;
5) risolvere problemi di ottimizzazione vincolata lineare e non lineare relativi all'amministrazione aziendale e alla allocazione ottimale delle risorse;

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Gli studenti apprenderanno le metodologie che il corso si propone di insegnare attraverso esercitazioni pratiche ed esempi con un approccio ispirato al "learning by doing" e al "trial and error".
Non sarà richiesta la memorizzazione di codici o procedure particolari, gli studenti dovranno sviluppare capacità autonome di problem solving che possano aiutarli nei processi decisionali supportati dall'analisi dei dati.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Attraverso la conoscenza e la comprensione acquisite lo studente deve essere in grado di sviluppare abilità/capacità per:
1) capire che tipo di strumento informatico è necessario per l'analisi di un database a seconda dello stesso;
2) comprendere la struttura di un database, quali tipologie di errori possono essere presenti, come correggerli e/o valutarne l'impatto in base a specifiche esigenze;
3) pianificare autonomamente una strategia decisionale supportata dai dati;

AUTONOMIA DI GIUDIZIO:

Sviluppare riflessioni autonome su varie questioni relative alle strategie decisionali supportate dall'analisi dei dati. Avere la capacità di integrare diverse competenze e linguaggi di programmazione per gestire set di dati complessi e incompleti, nonché per prendere decisioni validate statisticamente sulla base di informazioni limitate o incomplete. L'approccio del corso cerca di collegare argomenti economici e commerciali all'analisi dei dati per promuovere le capacità di risoluzione di problemi. Lo studente deve quindi essere in grado di scegliere gli approcci e gli strumenti necessari al processo decisionale supportati dall'analisi dei dati con la capacità di raccogliere e interpretare i dati, nonché di utilizzare le fonti informative e i corretti applicativi informatici.

ABILITÀ COMUNICATIVE:

Gli studenti devono essere in grado di evidenziare il flusso di informazioni nella descrizione di un processo decisionale e apprendere, nello specifico, come utilizzare VBA, Excel e il suo risolutore.


CAPACITÀ DI APPRENDIMENTO:
- interpretare diversi tipi di basi di dati relativi a business, economia, società, innovazione, eventi storici e media.
- eseguire analisi statistiche di grandi basi di dati tramite Excel, VBA, python;
- tradurre un processo decisionale aziendale o politico in un problema di ottimizzazione vincolata ed essere in grado di implementare la corrispondente procedura risolutiva.

Basi di statistica elementare (probabilità, probabilità condizionata, valori attesi, medie e varianze campionarie, distribuzioni di probabilità).
Serie geometriche.
Basi di ottimizzazione in una o più variabili.

Introduzione ad Excel: funzioni principali ed utilizzo.
Creazione di tabelle Pivot.
Analisi statistica di basi di dati tramite tabelle Pivot.
Accenni di modellizzazione e valutazione finanziaria.
Introduzione al linguaggio VBA: creazione di routines, principali comandi e applicazioni per l'eleborazione di dati di basi.
Problemi decisionali in contesti di risorse scarse o vincolata: funzionamento generale di Execel solver e sue applicazioni a problemi decisionali.

Microsoft Excel VBA and Macros (Office 2021 and Microsoft 365), Bill Jelen and Tracy Syrstad, Pearson Education (US), 2022.

Using Excel for Business and Financial Modelling: A Practical Guide.
Danielle Stein Fairhurst, John Wiley & Sons Inc, 2019.

Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Business Analytics. Cliff Ragsdale, South-Western College Pub, 2017.

Microsoft Excel VBA and Macros (Office 2021 and Microsoft 365), Bill Jelen and Tracy Syrstad, Pearson Education (US), 2022.

Using Excel for Business and Financial Modelling: A Practical Guide.
Danielle Stein Fairhurst, John Wiley & Sons Inc, 2019.

Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Business Analytics. Cliff Ragsdale, South-Western College Pub, 2017.

Le lezioni si svolgeranno in presenza. La didattica è di tipo frontale ed integrata con l'uso costante di applicativi informatici e della piattaforma moodle per esercitazioni e verifiche intermedie. I metodo didattico adottato si basa sull'apprendimento tramite esempi e problemi concreti.

L'esame consiste in una verifica tramite pc e sulla piattaforma moodle.
Le domande riguarderanno specifiche analisi che lo studente dovrà effettuare su basi di dati forniti al momento dell'esame.
L'esame sarà in formato di libro aperto e si potrà accedere a tutti codici e le routine discusse a lezione.
Gli studenti che rinunciano o non superano l'esame possono sostenere nuovamente l'esame nello stesso appello.